机器学习的相关软件框架下载安装-2

简介: 机器学习的相关软件框架下载安装-2

三、Python 版本升级与包的维护


在实际的 Python 使用过程中,经常会遇到 Python 语言核心和第三方库的升级维护问题,当然,关于 Python 的安装、升级维护方法,也可查阅 Python 官网的相关介绍。

此处由于我们是通过 Anaconda 统一进行的语言核心和编程工具的管理,因此,在具体进行 Python 的升级维护之前,我们一般需要先对 Anaconda 进行更新。


1. 更新 Anaconda


  • 类似 pip 是 Python 的管理工具,conda 是 Anaconda 的管理工具,在更新 Anaconda 之前,需要先对 conda 工具本身进行升级。进入到命令行界面,输入下述命令更新 conda。
conda update conda
• 1


c233073bc91841b283c0450842e22030.png


  • 然后更新 Anaconda。
conda update anaconda



fe23b43c72aa438daa815da3860b2a90.png


  • 均更新完成即可。

2. 查看与更新 python 版本

  • 仍然是在命令行中,输入以下指令查看 python 版本。
python --version

915bcfef182d4a399ca83d5fb5a5c35f.png


  • 如果要进行 python 版本更新,也可采用 conda 工具进行更新。
  • 在命令行中继续输入
conda update python


  • 即可完成更新。

3. Python 第三方库管理

3.1 pip工具的使用和升级

  • 仍然是在命令行中,输入以下指令查看 Python 所有的包及版本。
pip list



772fd22ba3e5412fb4125607abf11640.png


  • pip 是 python 及其第三方库的管理工具,可以在命令行中输入。
pip show pip
• 1
  • 来查看 pip 版本号。



76a0c26c0bd5462d9456ca211cdeb0c0.png


  • 如果 pip 版本过低(查看版本号的时候会出现黄色字体警告),可能会导致部分包无法正常安装。
  • pip 的更新方法也很简单,只需在命令行中输入如下指令即可。
python -m pip install --upgrade pip


3.2 pip 安装和删除第三方库

  • 在命令行中,可通过 pip 安装第三方库,例如安装爬虫 selenium 库。
pip install selenium


d636fbe3a32247acbc5c79eb976d91fd.png


  • 即可。删除时,则使用 pip uninstall 命令。
pip uninstall selenium


3.3 pip 查看和升级第三方库版本

  • 同时,我们还可通过 pip show 命令查看包的版本。
pip show scikit-learn


8dc484362bf545daaac099318b29afce.png

  • 并且,可通过 pip install --upgrade 升级包。
pip install --upgrade scikit-learn


67e8555a3dc54a2280ab96f42636c58a.png

305a4fbecbd74bd1b1dc9ea567771c38.png


3.4 修改 pip 镜像源


利用 pip 进行包的安装升级过程中,如果发现下载速度较慢,甚至因为网络连接不稳定而报错,此时则需要考虑修改镜像源。

所谓镜像源,可以简单理解为包的下载站点。pip 默认是从国外站点进行下载,因此速度较

慢。我们可以考虑通过修改成国内镜像源,来提高下载速度。国内常用镜像源下载地址如下


  • (1) 临时使用国内镜像源。
  • 首先,我们可以在安装或升级包的过程中指定镜像源。
pip install --upgrade scikit-learn -i
https://pypi.tuna.tsinghua.edu.cn/simple



这种方法需要每次在输入命令的时候,都指定镜像源。

(2) 永久修改镜像源。

或者可以通过修改配置文件,永久修改镜像源。

首先,找到 anaconda 主目录,可以通过在任意文件窗口输入 %APPDATA% 快速获取,或者手动打开相关文件夹。

随后,在该目录下,新建一个名为 pip 的文件夹。

b99bd5a0b6c14323a0d7f1e9b8f42f84.png


进入到新建的 pip 文件夹内,新建一个名为 pip.ini 的文件,注意,该文件拓展名为 ini,可先创建 txt 文本,然后再修改其拓展名为 ini。

2697a3da4f804245b2e6d03a793a36ea.png

用文本编辑器打开,并输入以下内容。

[global]
timeout = 1000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn

此即为 pip 的配置文件。保存并退出,即可永久修改镜像源。





















相关文章
|
6月前
|
机器学习/深度学习 分布式计算 DataWorks
机器学习PAI常见问题之安装pyalink卡在qtconsole 4.0如何解决
PAI(平台为智能,Platform for Artificial Intelligence)是阿里云提供的一个全面的人工智能开发平台,旨在为开发者提供机器学习、深度学习等人工智能技术的模型训练、优化和部署服务。以下是PAI平台使用中的一些常见问题及其答案汇总,帮助用户解决在使用过程中遇到的问题。
|
3月前
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
176 4
|
2月前
|
机器学习/深度学习 人工智能 算法
ML.NET:一个.NET开源、免费、跨平台的机器学习框架
ML.NET:一个.NET开源、免费、跨平台的机器学习框架
|
6月前
|
机器学习/深度学习 分布式计算 算法
机器学习PAI常见问题之下载了很多版本依赖包导致超时如何解决
PAI(平台为智能,Platform for Artificial Intelligence)是阿里云提供的一个全面的人工智能开发平台,旨在为开发者提供机器学习、深度学习等人工智能技术的模型训练、优化和部署服务。以下是PAI平台使用中的一些常见问题及其答案汇总,帮助用户解决在使用过程中遇到的问题。
|
3月前
|
机器学习/深度学习 PyTorch TensorFlow
机器学习框架调研
机器学习框架调研
38 1
|
3月前
|
机器学习/深度学习 JSON API
【Python奇迹】FastAPI框架大显神通:一键部署机器学习模型,让数据预测飞跃至Web舞台,震撼开启智能服务新纪元!
【8月更文挑战第16天】在数据驱动的时代,高效部署机器学习模型至关重要。FastAPI凭借其高性能与灵活性,成为搭建模型API的理想选择。本文详述了从环境准备、模型训练到使用FastAPI部署的全过程。首先,确保安装了Python及相关库(fastapi、uvicorn、scikit-learn)。接着,以线性回归为例,构建了一个预测房价的模型。通过定义FastAPI端点,实现了基于房屋大小预测价格的功能,并介绍了如何运行服务器及测试API。最终,用户可通过HTTP请求获取预测结果,极大地提升了模型的实用性和集成性。
241 1
|
3月前
|
机器学习/深度学习 算法
【Deepin 20系统】机器学习分类算法模型xgboost、lightgbm、catboost安装及使用
介绍了在Deepin 20系统上使用pip命令通过清华大学镜像源安装xgboost、lightgbm和catboost三个机器学习分类算法库的过程。
48 4
|
3月前
|
机器学习/深度学习 PyTorch TensorFlow
NumPy 与机器学习框架的集成
【8月更文第30天】NumPy 是 Python 中用于科学计算的核心库之一,它提供了高效的多维数组对象,以及用于操作数组的大量函数。NumPy 的高效性和灵活性使其成为许多机器学习框架的基础。本文将探讨 NumPy 如何与 TensorFlow 和 PyTorch 等流行机器学习框架协同工作,并通过具体的代码示例来展示它们之间的交互。
55 0
|
3月前
|
机器学习/深度学习 数据采集 测试技术
利用Python实现简单的机器学习模型软件测试的艺术与科学:探索自动化测试框架的奥秘
【8月更文挑战第27天】在本文中,我们将一起探索如何通过Python编程语言创建一个简单的机器学习模型。我们将使用scikit-learn库中的线性回归模型作为示例,并通过一个实际的数据集来训练我们的模型。文章将详细解释每一步的过程,包括数据预处理、模型训练和预测结果的评估。最后,我们会用代码块展示整个过程,确保读者能够跟随步骤实践并理解每个阶段的重要性。
|
3月前
|
人工智能 物联网 异构计算
AI智能体研发之路-模型篇(一):大模型训练框架LLaMA-Factory在国内网络环境下的安装、部署及使用
AI智能体研发之路-模型篇(一):大模型训练框架LLaMA-Factory在国内网络环境下的安装、部署及使用
217 0